小米开源的图像编辑框架 Lego-Edit

什么是Lego-Edit

Lego-Edit是由小米公司开源的一款先进的图像编辑框架，它基于多模态大语言模型（MLLM）的强大泛化能力，为用户提供了一种灵活高效的图像编辑解决方案。该框架采用模块化设计的模型工具包，内置多种经过优化训练的专业模型，能够执行包括图像修复、风格转换、物体添加/移除在内的多项复杂操作。

在技术实现上，Lego-Edit采用了独特的三阶段渐进式强化学习策略。首先通过监督微调（SFT）进行基础能力培养；接着针对特定任务开展强化学习（RL），提升专业性；最后利用大规模未标注指令数据进行额外的强化训练，使模型具备处理多样化编辑指令的强大能力。

作为图像编辑领域的重要创新，Lego-Edit展现出显著的技术优势。它不仅能够实现局部细节调整和全局效果优化，还支持多步骤复杂操作，并且通过精确的掩码输入控制编辑区域，为用户提供极高的创作自由度。更值得关注的是，该框架采用了模块化设计思路，无需重新训练整个模型即可轻松整合新的编辑工具，极大地降低了功能扩展的技术门槛。

凭借其卓越的性能表现和灵活易用的特点，Lego-Edit在多个权威评测基准中达到了领先水平（SOTA）。无论是专业设计师还是普通用户，都能通过这一框架实现高质量的图像编辑效果。